[R ggplot2] 테슬라 주가 데이터를 활용한 시계열 자료 시각화

 시계열 데이터는 매우 중요한 데이터 타입 중 하나입니다. 하지만, 시간의 흐름에 따라 값이 입력되는 데이터이기 때문에, 일반인 독립(Independent)데이터와 같은 방식으로 처리하면 잘못된 분석을 진행하게 됩니다. 이번 포스팅은 시계열 데이터를 다루는 방법 및 시각화를 하는 방법에 다루어보도록 하겠습니다.

데이터 다운로드 링크 : https://www.kaggle.com/timoboz/tesla-stock-data-from-2010-to-2020

0. 데이터 및 패키지 로드

library(ggplot2)
library(dplyr)
library(reshape)
library(tseries)
library(cowplot)
library(forecast)
TSLA = read.csv("D:\\Dropbox\\DATA SET(Dropbox)\\tesla-stock-data-from-2010-to-2020\\TSLA.csv")
TSLA$Date = as.Date(TSLA$Date)

Date	Open	High	Low	Close	Adj.Close	Volume
2010-06-29	19.00	25.00	17.54	23.89	23.89	18766300
2010-06-30	25.79	30.42	23.30	23.83	23.83	17187100
2010-07-01	25.00	25.92	20.27	21.96	21.96	8218800
2010-07-02	23.00	23.10	18.71	19.20	19.20	5139800
2010-07-06	20.00	20.00	15.83	16.11	16.11	6866900
2010-07-07	16.40	16.63	14.98	15.80	15.80	6921700

데이터는 다음과 같습니다. 일별에 따라, 시작가, 종가 등이 기록이 되어 있습니다. 그럼 이제 이 데이터를 통해 시계열 데이터를 다루는 방법에 대해 다루어보도록 하겠습니다. 먼저 시계열 데이터를 다룰 때 가장 중요한 패키지는 tseries입니다. 그 다음으로는 forecast패키지입니다. 그리고 데이터를 불러왔을 때, 가장 먼저 해야할 작업은 Date변수의 strings를 ‘Date’ 타입으로 변경시켜주는 것입니다.

1. Raw Data 시각화

TSLA  %>%
    select(-Volume) %>%
    melt(id.vars = c("Date")) %>%
    ggplot() +
    geom_point(aes(x = Date, y = value, col = variable),
               alpha =  0.5) +
    geom_line(aes(x = Date, y = value, col = variable, group = variable),
               alpha = 0.8) +
    xlab("Date") + ylab("Stock Price") + 
    labs(col = "Types of Price") + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          legend.position = c(0.2,0.8))

Volume은 거래량을 의미하는데, 단위가 다르기 때문에 빼고 시각화를 하였습니다.

TSLA  %>%
    select(Date,Volume) %>%
    ggplot() +
    geom_point(aes(x = Date, y = Volume),
               alpha =  0.5) +
    geom_line(aes(x = Date, y = Volume),
               alpha = 0.8) +
    xlab("Date") + ylab("Volume") + 
    labs(col = "Types of Price") + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"))

Volume은 따로 그려주었습니다. 만약 위 두그래프를 같이 그리고 싶으시다면 우리는 cowplot패키지를 활용하면 두 그래프를 함께 그릴 수가 있습니다.

A = TSLA  %>%
    select(-Volume) %>%
    melt(id.vars = c("Date")) %>%
    ggplot() +
    geom_point(aes(x = Date, y = value, col = variable),
               alpha =  0.5) +
    geom_line(aes(x = Date, y = value, col = variable, group = variable),
               alpha = 0.8) +
    labs(col = "Types of Price") + ylab("SalePrice") +
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          axis.title.x = element_blank(),
          axis.text.x = element_blank(),
          legend.position = c(0.2,0.5))

B = TSLA  %>%
    select(Date,Volume) %>%
    ggplot() +
    geom_point(aes(x = Date, y = Volume),
               alpha =  0.5) +
    geom_line(aes(x = Date, y = Volume),
               alpha = 0.8) +
    xlab("Date") + ylab("Volume") + 
    labs(col = "Types of Price") + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"))

cowplot::plot_grid(A,B,ncol = 1,labels = c("A","B"))

이렇게 간단하게 시계열 데이터를 시각화할 수 있습니다. 가장 중요한 것은 날짜변수에 대해서는 꼭 as.Date() 혹은 as.POSIXct()를 활용해서 strings를 변환시켜주어야 한다는 점입니다.

2. 지수평활법(Moving Average) 시각화

위 raw Data를 그대로 사용했을 경우에는 데이터가 너무 많아 조금 복잡한 느낌이 들기도 합니다. 그래서 시계열 데이터에서는 Smoothing(평활법)이 자주 사용이 됩니다. 가장 많이 사용되는 지수평활법을 활용해보도록 하겠습니다.

Smoothing = function(x,interval){
    
    ts_x = ts(x) # TimeSeries Strings
    Sm = stats::filter(ts_x, filter = rep(1/interval,interval)) # To avoid packages collision
    
    return(Sm)
}

stats::filter()은 dplyr::filter()과 명령어가 충돌하는 것을 방지하기 위해서 주는 대비책입니다. 그냥 filter만 사용해도 지수평활법이 바로 적용이 되나, 여러변수에 대해 한번에 처리하도록 하기위해 function을 간단하게 만들어보았습니다. filter 명령어에서 filter 옵션은 몇일을 단위로 평활을 적용할 것인지 설정해주는 부분입니다. 값이 크면 클수록 여러 일에 해당되는 데이터를 가지고 계산합니다. 즉, 단위를 크게 줄수록 시계열 선은 완만해지게 됩니다.

# Open (1 Week Smoothing)
Open_Week = Smoothing(x = TSLA$Open,
                      interval = 7)
DATE = TSLA$Date

ggplot(NULL) +
    geom_point(aes(x = DATE, y = Open_Week)) +
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          axis.title.x = element_blank(),
          axis.text.x = element_blank(),
          legend.position = c(0.2,0.5))

제가 만든 Smoothing function과 함께 1주일 단위의 평활 데이터를 그렸습니다. 그럼 이제 여러 변수에 대해 한번에 처리해보도록 하겠습니다.

# 30 days Smoothing

L_Smoothing = lapply(TSLA[,-grep("Date",colnames(TSLA))],
                    function(x, interval)  Smoothing(x, 30))

L_Smoothing = as.data.frame(L_Smoothing)
                     
head(L_Smoothing,n = 30)

       Open     High      Low    Close Adj.Close  Volume
1        NA       NA       NA       NA        NA      NA
2        NA       NA       NA       NA        NA      NA
3        NA       NA       NA       NA        NA      NA
4        NA       NA       NA       NA        NA      NA
5        NA       NA       NA       NA        NA      NA
6        NA       NA       NA       NA        NA      NA
7        NA       NA       NA       NA        NA      NA
8        NA       NA       NA       NA        NA      NA
9        NA       NA       NA       NA        NA      NA
10       NA       NA       NA       NA        NA      NA
11       NA       NA       NA       NA        NA      NA
12       NA       NA       NA       NA        NA      NA
13       NA       NA       NA       NA        NA      NA
14       NA       NA       NA       NA        NA      NA
15 20.36567 21.17667 19.19400 20.04133  20.04133 3567430
16 20.35533 20.97267 19.20433 19.84167  19.84167 2968473
 [ reached 'max' / getOption("max.print") -- omitted 14 rows ]

Open	High	Low	Close	Adj.Close	Volume
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
NA	NA	NA	NA	NA	NA
20.36567	21.17667	19.19400	20.04133	20.04133	3567430.0
20.35533	20.97267	19.20433	19.84167	19.84167	2968473.3
20.08900	20.55533	19.00733	19.63400	19.63400	2418603.3
19.86167	20.30633	18.92033	19.51267	19.51267	2165776.7
19.71000	20.16300	18.90533	19.49867	19.49867	2010643.3
19.67533	20.14300	19.00367	19.60000	19.60000	1796676.7
19.78167	20.24167	19.12433	19.69900	19.69900	1585996.7
19.86167	20.29933	19.21633	19.74333	19.74333	1348253.3
19.89733	20.33967	19.28167	19.80000	19.80000	1223100.0
19.93533	20.41700	19.34833	19.90267	19.90267	1185953.3
19.99733	20.45267	19.41667	19.93800	19.93800	1119053.3
20.03800	20.44700	19.44333	19.94000	19.94000	995990.0
20.03633	20.40600	19.46333	19.93533	19.93533	885790.0
20.00467	20.35833	19.44500	19.90400	19.90400	811066.7
19.94900	20.28967	19.40133	19.83600	19.83600	752610.0
19.87600	20.22100	19.37733	19.80867	19.80867	698470.0

lapply를 활용하면 여러 변수에 대해서도 한번에 함수를 적용할 수가 있습니다. 혹시 apply계열의 함수에 이해가 잘 안되시는 분들은 https://mustlearning.tistory.com/9?category=859137 포스팅을 참고해주시길 바랍니다.

L_Smoothing$Date = DATE

L_Smoothing %>%
    na.omit() %>%
    select(-Volume) %>%
    melt(id.vars = c("Date")) %>%
    ggplot() +
    geom_point(aes(x = Date, y = value, col = variable),
               alpha =  0.5) +
    geom_line(aes(x = Date, y = value, col = variable, group = variable),
               alpha = 0.8) +
    xlab("Date") + ylab("Stock Price") + 
    ggtitle("30 days Smoothing (Moving Average)") + 
    labs(col = "Types of Price") + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          legend.position = c(0.25,0.7))

이번에는 평활주기를 여러 값으로 설정하여 진행하도록하겠습니다. 이번에는 column이 아니라, 조건 값을 여러번 바꿔주면서 실행마다 데이터를 저장해주어야 하기때문에 assign을 활용해야 합니다.

INTERVAL = c(30,60,90,120,365)

for(i in INTERVAL){
    
    DF = lapply(TSLA[,-grep("Date",colnames(TSLA))],
                    function(x, interval)  Smoothing(x, i))
                
    DF = as.data.frame(DF)
    assign(paste0("L_Smoothing_",i),DF)
}

	Open	High	Low	Close	Adj.Close	Volume
500	30.80000	31.48733	30.07967	30.76133	30.76133	1165997
501	30.89667	31.62433	30.21567	30.91967	30.91967	1172200
502	31.08967	31.85233	30.42033	31.18000	31.18000	1200807
503	31.32200	32.07900	30.59600	31.36233	31.36233	1252087
504	31.44133	32.25500	30.71267	31.50367	31.50367	1327120
505	31.59200	32.37833	30.84267	31.60533	31.60533	1344653
506	31.66733	32.45767	30.92267	31.70067	31.70067	1380533
507	31.74033	32.49467	31.00500	31.72000	31.72000	1397390
508	31.75200	32.49600	31.02700	31.74400	31.74400	1426200
509	31.77500	32.50067	31.02500	31.72033	31.72033	1501973
510	31.78667	32.47933	30.96400	31.66567	31.66567	1549247

	Open	High	Low	Close	Adj.Close	Volume
500	30.67583	31.35683	29.83317	30.49450	30.49450	1470882
501	30.61917	31.30317	29.78283	30.44800	30.44800	1458575
502	30.52883	31.20350	29.70200	30.36983	30.36983	1391440
503	30.46683	31.16117	29.64100	30.33650	30.33650	1410872
504	30.43317	31.12567	29.61667	30.32033	30.32033	1409672
505	30.42083	31.10967	29.61517	30.32000	30.32000	1394453
506	30.41633	31.10567	29.62233	30.33267	30.33267	1385292
507	30.42283	31.13083	29.63667	30.37600	30.37600	1380643
508	30.46250	31.17600	29.67717	30.40700	30.40700	1366925
509	30.49267	31.18333	29.70533	30.41750	30.41750	1351095
510	30.48317	31.16750	29.69700	30.40917	30.40917	1322808

이렇게 하면 30일, 60일, 90일, 120일, 365일 등의 주기로 데이터셋이 따로 만들어진 것을 확인할 수가 있습니다.

TSLA2 = data.frame(
    
    DATE = TSLA$Date,
    Open = TSLA$Open,
    Open_30 = L_Smoothing_30$Open,
    Open_60 = L_Smoothing_60$Open,
    Open_90 = L_Smoothing_90$Open,
    Open_120 = L_Smoothing_120$Open,
    Open_365 = L_Smoothing_365$Open
    
)

TSLA2 %>% 
    melt(id.vars = c("DATE")) %>%
    ggplot() + 
    geom_line(aes(x = DATE, y = value, col = variable, group = variable),size = 1.2) +
    theme_bw() +
    xlab("Date") + ylab("Stock Price") + 
    ggtitle("Smoothing (Moving Average)") + 
    labs(col = "Smoothing Days") + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          legend.position = c(0.2,0.6))

TSLA2 %>% 
    melt(id.vars = c("DATE")) %>%
    ggplot() + 
    geom_line(aes(x = DATE, y = value, col = variable, group = variable),size = 1.2) +
    theme_bw() +
    xlab("Date") + ylab("Stock Price") + 
    ggtitle("Smoothing (Moving Average)") + 
    labs(col = "Smoothing Days") + 
    guides(col = FALSE) +
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          axis.text.x = element_text(angle = 90)) +
    facet_wrap(~variable)

facet_wrap을 활용하면 따로따로 그릴 수도 있습니다. 확실히 평활을 적용한게 더 보기가 좋습니다.

3. 시계열 분해

 시계열 데이터는 분해라는 것을 할 수 있습니다. 이에 대해서는 다른 포스팅에서 자세하게 다루도록 하겠습니다. 시계열분해는 2가지 방법이 있습니다.

• Additive
  
• Multiplicative

Decomposition = function(x){
    
    TS_X = ts(x, frequency = 365)
    
    Add = decompose(TS_X,type = "additive")
    Multi = decompose(TS_X, type = "multiplicative")
    
    Result = list()
    Result$Add = Add
    Result$Multi  = Multi
    
    return(Result)
}

decompse만 써도 시계열 분해가 바로 진행이 되지만, 저는 이번에도 간단하게 함수를 만들어주도록 하겠습니다. R의 작업속도를 빠르게 하기 위해서는 이러한 습관을 만드시는게 매우 중요하기 때문입니다.

TD = Decomposition(x = TSLA$Open)

# Additive
autoplot(TD$Add) + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"))

# Multi
autoplot(TD$Multi) + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"))

분해된 시계열 데이터는 autoplot을 활용하면 간편하게 그릴 수가 있습니다. theme 옵션은 취향에 따라 주시면 됩니다.

4. Waterfall Chart

비즈니스 영역에서는 Waterfall Chart를 자주 그리고는 합니다. Waterfall Chart를 그리기 위해서 우리는 변화량을 계산해야합니다.

Difference = function(x){
    
    Diff_Vector = c()
    Diff_Vector[1] = 0
    
    for(k in 2:length(x)){
        
        Diff = x[k] - x[k-1]
        
        Diff_Vector[k] = Diff
        
    }
    
    return(Diff_Vector)
    
}

이번에도 굳이 function을 만들어 주었습니다. 귀찮지만 이렇게 미리 작업을 해두면 나중에 코드가 길어졌을 때를 대비해서 코드를 간결하게 할 수가 있습니다.

Open_Diff = Difference(x = TSLA$Open)

WATER = data.frame(
    DATE = TSLA$Date,
    Open = Open_Diff
)

WATER$Increase = ifelse(WATER$Open >= 0 , "Plus", "Minus")

DATE	Open	Increase
2010-06-29	0.000000	Plus
2010-06-30	0.790001	Plus
2010-07-01	2.000000	Plus
2010-07-02	3.000000	Plus
2010-07-06	3.600000	Plus
2010-07-07	0.260001	Plus

WATER %>%
    mutate(Increase = factor(Increase, levels = c("Plus","Minus"))) %>%
    ggplot() +
    geom_bar(aes(x = DATE, y = Open, fill = Increase), stat = 'identity') + 
    scale_fill_manual(values = c("red","royalblue")) + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          legend.position = "bottom")

WATER[(nrow(WATER)-100):nrow(WATER),] %>%
    mutate(Increase = factor(Increase, levels = c("Plus","Minus"))) %>%
    ggplot() +
    geom_bar(aes(x = DATE, y = Open, fill = Increase), stat = 'identity') + 
    scale_fill_manual(values = c("red","royalblue")) + 
    theme_bw() +
    theme(text = element_text(size = 15, face = "bold"),
          legend.position = "bottom")

geom_bar()을 이용해서 간단하게 그래프를 그릴 수가 있습니다. 시계열은 참 하기 싫은 데이터 중 하나입니다. 고려할게 너무 많습니다. 하지만 꼭 숙지해야되는 데이터이기도 합니다. 다음에는 시계열 분석방법에 대해 다루어보도록 하겠습니다.